如何在Pandas中处理以'-'为NULL值的CSV并转换为int类型

方法1：读取CSV时直接识别空值 #

读取文件时通过na_values参数指定'-'为缺失值标记，pandas会自动将其转为NaN，之后直接转换为支持空值的整数类型Int64（大写I，区别于原生int）即可：

import pandas as pd

df = pd.read_csv('data.csv', na_values='-')
df['Column B'] = df['Column B'].astype('Int64')

方法2：读取后替换空值再转换 #

如果已经完成文件读取，可先将单独的'-'替换为NaN，再转换类型：

import pandas as pd
import numpy as np

df = pd.read_csv('data.csv')
df['Column B'] = df['Column B'].replace('-', np.nan)
df['Column B'] = df['Column B'].astype('Int64')

关键说明 #

• 选用Int64而非原生int的原因：原生int无法存储缺失值（NaN），而Int64是pandas的可空整数类型，允许列中同时存在整数和缺失值。
• 该处理不会影响原有负数（如-1472525）的取值，仅会识别单独的'-'为空值，带数字的负数会正常保留。

内容的提问来源于stack exchange，提问作者TrueLies